NVIDIA открыла код FlashREINFORCE для обучения ИИ-агентов

NVIDIA опубликовала в сентябре 2026 года открытый метод FlashREINFORCE, интегрированный в фреймворк Molt. Он обучает ИИ-агентов вдвое меньшим числом роллаутов, чем GRPO, при сопоставимой или лучшей точности на бенчмарках математики и работы с инструментами.

• Снижение затрат на обучение с подкреплением на 50%
• Точность не хуже GRPO на задачах математики и tool-use
• Метод интегрирован в фреймворк Molt
• Потенциально удваивает пропускную способность экспериментов на GPU-кластерах